Sebagaimana yang telah kita ketahui bahwa uji autokorelasi merupakan bagian dari uji perkiraan klasik dalam analisis regresi linear untuk data time series yakni data runtut waktu dan bukan mirip data primer hasil penyebaran kuesioner atau angket. Uji perkiraan klasik sendiri dimaknai selaku syarat yang harus tercukupi sebelum dilakukannya analisis regresi linear.
Sementara itu, analisis regresi linear bermaksud untuk mengetahui apakah terdapat imbas yang signifikan antara variabel independent (X) kepada variabel dependen (Y). Oleh karena itu, uji autokorelasi sangat diharapkan karena dengan adanya uji ini kita mampu mengenali apakah terdapat relasi antara sebuah masa t dengan kurun t sebelumnya. Model regresi yang bagus tidak terdapat duduk perkara autokorelasi. Contoh sederhana misal data keuangan rumah tangga. Pengeluaran belanja keluarga pada bulan lalu sungguh besar (bulan kemudian ada pengeluaran untuk membeli kendaraan beroda empat baru) sementara pengeluaran pada bulan ini relatif lebih kecil (sebab dibulan ini tidak ada pengeluaran untuk membeli mobil) sehingga mampu dikatakan bahwa terdapat hubungan atau hubungan yang cukup tinggi antara pengeluaran anggaran rumah tangga pada bulan kemudian dengan bulan sekarang, hal yang semacam inilah yang disebut dengan terjadi dilema autokorelasi.
Dalam analisis statistik, uji autokorelasi dapat dilakukan dengan beberapa sistem antara lain seperi uji durbin watson dan uji run test. Dimana sistem yang paling sering dipakai oleh para peneliti (dalam hal menuntaskan tugas, skripsi maupun tesis) ialah dengan sistem durbin watson. Namun demikian, uji durbin watson mempunyai kelemahan adalah bila nilai dubin watson terletak antara dL dan dU atau diantara (4-dU) dan (4-dL), maka tidak menciptakan kesimpulan yang niscaya apakah terjadi gejala autokorelasi atau tidak. Jika demikian adanya, maka alternatif yang bagus untuk menangani dilema autokorelasi ini adalah dengan memakai sistem lain mirip uji run test.
Untuk memperjelas bagaimana cara menangani dilema autokorelasi dengan uji run test dalam SPSS, saya akan menunjukkan acuan, simak data yang mau aku uji autokorelasi dibawah ini
[Download Data untuk Latihan]
Dari data di atas, versi regresi linear yang aku ejekan yaitu “Pengaruh Kurs [X1] dan SBI [X2] kepada IHSG [Y] tahun 2013”. Sebelumnya saya telah melakukan uji autokelasi dengan uji durbin watson [Baca: Tutorial Uji Autokorelasi dengan Durbin Watson SPSS] dan diperoleh hasil sebagai berikut.
Berdasarkan output SPSS di atas, diketahui nilai Durbin Watson sebesar 1,072. Nilai ini terletak antara nilai dL 0,812 dan dU 1,579 sehingga tidak ada kesimpulan yang pasti tentang ada atau tidaknya gejala autokorelasi dari data tersebut.
Jika seperti ini yang terjadi, maka anda tidak perlu khawatir dan gundah, langkah yang mesti anda kerjakan untuk menanggulangi dilema autokorelasi yaitu dengan uji run test.
CARA UJI RUN TEST DENGAN SPSS
1. Buka program SPSS lalu klik Variable View, kemudian pada kolom Name baris pertama ketikkan X1, baris kedua X2, dan baris ketiga Y. pada bagian Label ketikkan Kurs untuk X1, SBI untuk X2, dan IHSG untuk Y. Abaikan kolom lainnya biarkan tetap default kemudian klik Data View
2. Pada bagian ini, kita hanya perlu memasukkan data observasi sesuai dengan nama variabelnya
3. Jika semua data sudah terinput dengan benar, berikutnya dari sajian SPSS klik sajian Analyze – Regression – Linear…
4. Muncul kotak dialog, masukkan variabel IHSG [Y] ke kotak Dependent, masukkan variabel Kurs [X1] dan SBI [X2] ke kotak Independent(S) caranya dengan pengklik tombol panah, pada bagian Method pilih Enter, kemudian klik Save
5. Muncul kotak dialog Linear Regression; Save, berikan tanda centang (V) pada Unstandardized untuk Residuals, kemudian klik Continue dan klik Ok [Abaikan saja output yang keluar].
6. Perhatikan pada bagian Data View muncul variabel baru dengan nama RES_1. Langkah berikutnya adalah klik Analyze – Nonparametric Tests – Legacy Dialogs – Runs…
7. Muncul kotak dialog Run Test, lalu masukkan variabel Unstandardized Residual ke kotak Test Variable List, pada bagian Cut Point berikan tanda centang (V) untuk Median
8. Jika telah yakin benar, terakhir yakni klik Ok untuk menuntaskan perintah, maka akan timbul output Run Test sebagaimana gambar berikut
DASAR PENGAMBILAN KEPUTUSAN DALAM UJI RUN TEST
Sebelum kita memeriksa hasil output SPSS di atas, terlebih dahulu kita pahami dasar pengambilan keputusan dalam uji run test, adalah:
- Jika nilai Asymp. Sig. (2-tailed) lebih kecil < dari 0,05 maka terdapat tanda-tanda autokorelasi
- Sebaliknya, jika nilai Asymp. Sig. (2-tailed) lebih besar > dari 0,05 maka tidak terdapat tanda-tanda autokorelasi.
INTERPRETASI OUTPUT UJI RUN TEST
Berdasarkan output SPSS diatas, diketahui nilai Asymp. Sig. (2-tailed) sebesar 0,762 lebih besar > dari 0,05, maka mampu ditarik kesimpulan bahwa tidak terdapat gejala atau persoalan autokorelasi. Dengan demikian, duduk perkara autokorelasi yang tidak mampu terlesaikan dengan durbin Watson mampu dituntaskan lewat uji run test sehingga analisis regresi linear dapat dilanjutkan.
Saya kira cukup sampai disini pembahasan kita perihal cara mengatasi dilema autokorelasi dengan uji run test dalam SPSS, agar berguna lain waktu kita sambung lagi dengan uji-uji dan masalah statistik yang yang lain. Terimakasih supaya berfaedah
[Search: Cara Mengatasi Masalah Autokorelasi dengan Uji Run Test dalam SPSS, Panduan Uji Run Test dengan Program SPSS, Cara Mendeteksi Gejala Autokorelasi dengan Uji Run Test Lengkap]
[Gambar: Screenshot SPSS model 21]
Lihat Juga: VIDEO Uji Autokorelasi dengan Run Test SPSS
Sumber https://spssindo.blogspot.com
EmoticonEmoticon